课程文献中心 更多>>

关键词： 构造函数   一题多解   解题能力   思维能力  

摘要： 培养学生的核心素养和提高学生的解题能力是我们一线教师的重要任务.以一个涉及双参数的函数问题为例,从不同的角度加以思考、探究,让学生的思维得以发散,起到了一题多解,提升学生的思维能力的作用.

关键词： 微专题   复习   教学  

摘要： 微专题复习课设置课题需要突出针对性,选择素材需要突出典型性,制定目标需要突出系统性,开展复习活动需要突出生成性.文章以“分段函数取值范围”的微专题复习教学为例,由小题训练引出例题讲解,借助变式与串讲拓展学生的思维,并从如下三方面谈一些思考:精心设计例题,循序渐进拔高思维;精准掌握学情,鼓励学生多元参与;灵活构建课堂,促进核心素养发展.

关键词： 高中数学   数学核心素养   高考真题   函数性质   函数单调性   导数法   填空题   反映函数  

摘要： 函数是高中数学课程内容的四条主线之一,贯穿整个高中数学的学习,是发展学生数学核心素养的重要载体.而函数的性质作为函数内容的重点和难点,成为高考考查的热点.纵观近几年的高考真题,对函数性质的考查主要集中在选择题和填空题.下面结合近几年的高考真题,就函数性质的常见考点和题型进行归类分析.一、函数单调性的判断与应用函数的单调性是反映函数变化趋势的重要性质,是高考的热门考点.判断函数单调性的常用方法有定义法、图像法和导数法.

关键词： 美国空军   普惠公司   升级方案   动力系统   能力提升   激烈竞争   需求牵引   GE公司  

摘要： 在F-35战斗机动力系统能力提升的迫切需求牵引下,普惠公司和GE公司围绕F-35战斗机换发合同展开了激烈竞争。虽然GE公司的自适应发动机方案有更大的性能提升可能和后续升级空间,但普惠公司的F135发动机升级方案在经济性、兼容性和安全性等方面表现更优,成为了美国空军最终的选择。

关键词： 深度学习   项目式教学   对勾函数  

摘要： 本文以“探究函数y=x+1/x的图象与性质”为例,以深度学习理念为指导,对教材内容再加工,基于学情形成项目式课堂教学活动,促进学生的充分参与、主动学习,实现学生的深度学习.

关键词： 《韩熙载夜宴图》   色彩   色块   视觉  

摘要： 《韩熙载夜宴图》卷作为中国十大传世名画之一,无疑是中华文化的瑰宝,画作描绘了南唐官员韩熙载家设夜宴歌舞升平的场面。本文从《韩熙载夜宴图》卷中色彩的明度与冷暖出发,将画面中人物、家具等色块与背景进行对比,探究色块与色块之间形成的动态韵律,寻找其经营规则,旨在揭示《韩熙载夜宴图》卷的高超用色技巧,以实现中国画创作的当代性表达。

关键词： 单圈图   拟单圈图   顶点度   边权重   调和指数   极图  

摘要： 调和指数是一个与图的边和顶点度的相关概念,调和指数在图中代表了一种度量图的边权重的方式.设图G是n阶的简单图,图G的调和指数H(G)定义为H(G)=∑_(uv∈E(G))2/d(u)+d(v),其中E(G)表示图G中的边,d(u)和d(v)分别在图G中表示顶点u和v的度.拟单圈图是一类特殊的图,它不是单圈图,且在图G中存在点u∈V(G),使得G-u为连通的单圈图,则图G就称为拟单圈图.针对d(u)≥2的情况下,给出了拟单圈图的调和指数的下界,并在此情况下刻画了极图.

关键词： 多图融合   多核注意力   空间注意力   图注意力   深度学习  

摘要： 交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模型。首先,通过融合空间图、语义图和空间语义图提取不同区域的不同空间相关性,并利用空间注意力机制和图注意力机制融合不同的图结构以动态学习不同邻居的重要性;然后,使用多核时间注意力机制同时捕获局部时间依赖性和全局时间依赖性;最后,使用多层感知机预测交通流量,得到最终预测值。在NYCTaxi和NYCBike数据集验证模型的有效性。实验结果表明,在NYCBike数据集的36步预测任务中,与时空图卷积神经网络(STGCN)、基于时空注意力的图神经网络(ASTGNN)、元图卷积递归网络(MegaCRN)相比,所提模型的均方根误差(RMSE)分别降低了8.46%、2.70%和2.20%。

关键词： 文本生成图像   语义分割图像   生成对抗网络   注意力机制   仿射变换  

摘要： 针对生成对抗网络生成图像存在结构不完整、内容不真实、质量差的问题,提出一种结合语义分割图的注意力机制文本到图像生成模型(SSA-GAN)。首先采用一种简单有效的深度融合模块,以全局句子向量作为输入条件,在生成图像的同时,充分融合文本信息。其次结合语义分割图像,提取其边缘轮廓特征,为模型提供额外的生成和约束条件。然后采用注意力机制为模型提供细粒度词级信息,丰富所生成图像的细节。最后使用多模态相似度计算模型计算细粒度的图像-文本匹配损失,更好地训练生成器。通过CUB-200和Oxford-102 Flowers数据集测试并验证模型,结果表明:所提模型(SSA-GAN)与StackGAN、AttnGAN、DF-GAN以及RAT-GAN等模型最终生成的图像质量相比,IS指标值最高分别提升了13.7%和43.2%,FID指标值最高分别降低了34.7%和74.9%,且具有更好的可视化效果,证明了所提方法的有效性。